Communitygithub.com

Produktionsaudit

Lokale, evidenzbasierte Überprüfung der Produktionsreife für ausgelieferte Apps, Pre-Launch-Reviews, Post-Merge-Checks und mehr.

Was ist Produktionsaudit?

Dieses Skill führt ein Produktionsaudit für Anwendungen durch, die kurz vor dem Launch stehen, kürzlich gemerged wurden oder bei denen ein erhöhtes Risiko im Produktivbetrieb besteht. Es hilft Entwicklern und Teams, Schwachstellen zu identifizieren, bevor Software live geht – ohne auf externe, nicht nachvollziehbare Dienste angewiesen zu sein. Der Fokus liegt auf lokaler Evidenz: Code, Konfiguration, CI/CD-Pipelines und dokumentierte Prozesse. Das Skill bewertet die Produktionsreife anhand einer Punkteskala von 0–100, kategorisiert in "Blockiert", "Riskant", "Startklar mit Einschränkungen" oder "Stark". Es deckt Sicherheit, Datenintegrität, Zahlungen, Betrieb, Benutzererfahrung und Deployment-Praktiken ab. Die Ergebnisse werden als klare Handlungsempfehlung mit Blockern, wertvollen Fixes und nächsten Schritten ausgegeben. Das Skill ist explizit für den Einsatz mit Claude Code, Cursor, Codex oder ähnlichen KI-Agenten konzipiert, die lokale Codebasen inspizieren können.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/affaan-m/everything-claude-code/tree/main/skills/production-audit

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

Was macht Produktionsaudit?

Verwenden Sie dieses Skill, wenn der Benutzer fragt, ob eine Anwendung bereit zur Auslieferung ist, was in der Produktion brechen könnte oder was vor einem Launch behoben werden muss. Es handelt sich um eine wartbare Neufassung der veralteten Community-Idee "production-audit": Sie behält die nützliche Produktionsreife-Perspektive bei und entfernt ungepinnte externe Ausführung und die Weitergabe von Daten an Dritte.

Wann verwenden

  • Der Benutzer fragt: "Ist das produktionsreif?", "Was würde in der Prod brechen?", "Was haben wir übersehen?", "Prüfe dieses Repo" oder "Bereit zur Auslieferung?"
  • Ein Feature wurde gemerged und benötigt einen Pre-Deploy- oder Post-Merge-Risikocheck.
  • Ein öffentlicher Launch, eine Demo, ein Kunden-Rollout oder ein Investoren-Durchlauf steht bevor.
  • CI ist grün, aber der Benutzer möchte das Produktionsrisiko, nicht nur den Teststatus.
  • Eine deployed URL, ein Release-Branch, ein PR oder der aktuelle Checkout ist für die Evidenzsammlung verfügbar.

Wann nicht verwenden

  • Während der aktiven Implementierung, wenn der richtige Fokus auf zeilenweiser sicherer Programmierung liegt; verwenden Sie zuerst security-review.
  • Für reine Bibliotheken, Vorlagen, reine Dokumentations-Repos oder Gerüste, es sei denn, der Benutzer möchte die Paketierungs-/Release-Fähigkeit statt der Anwendungsbereitschaft prüfen.
  • Wenn der Benutzer nach einem formellen Compliance-Audit fragt. Dieses Skill ist technisches Triage, keine rechtliche, finanzielle, medizinische oder regulatorische Zertifizierung.
  • Wenn die einzige verfügbare Evidenz eine Produktidee ohne Repo, Deployment, CI oder Runtime-Oberfläche ist.

Wie es funktioniert

Erstellen Sie das Audit aus lokaler und vom Benutzer autorisierter Evidenz. Führen Sie keine ungepinnten Remote-Codes aus, laden Sie Repository-Inhalte nicht in Dienste Dritter hoch und rufen Sie keine externen Scanner auf, es sei denn, der Benutzer genehmigt ausdrücklich dieses spezifische Tool und den Datenfluss.

Verwenden Sie diese Reihenfolge:

  1. Legen Sie die Release-Oberfläche fest.
  2. Lesen Sie die letzten Änderungen und den aktuellen Branch-Status.
  3. Inspizieren Sie Runtime, Auth, Daten, Zahlungen, Hintergrund-Jobs, KI und Deployment-Grenzen, die tatsächlich im Repo existieren.
  4. Überprüfen Sie CI, Tests, Migrationen, Umgebungsdokumentation und Rollback-Pfade.
  5. Erstellen Sie eine kurze Ship/Block-Empfehlung mit spezifischen Korrekturen.

Evidenz-Checkliste

Beginnen Sie mit günstigen, lokalen Signalen:

git status --short --branch
git log --oneline --decorate -20
git diff --stat origin/main...HEAD

Inspizieren Sie dann die projektspezifische Oberfläche:

  • Paketskripte, CI-Workflows, Release-Skripte, Docker-Dateien und Deployment-Manifeste.
  • API-Routen, Webhooks, Auth-Middleware, Hintergrund-Worker, Cron-Jobs und Datenbankmigrationen.
  • Dokumentation der Umgebungsvariablen und Startprüfungen.
  • Observability-Hooks, Fehlerberichterstattung, Logs, Health Checks und Dashboards.
  • Rollback-, Seed-, Migrations- und Backfill-Anweisungen.
  • E2E-Abdeckung für die wichtigsten Benutzerpfade.

Wenn eine deployed URL im Scope liegt, verwenden Sie nur Browser- oder HTTP-Prüfungen gegen diese URL und vermeiden Sie berechtigte Aktionen, es sei denn, der Benutzer stellt ein sicheres Testkonto zur Verfügung.

Risikolinsen

Sicherheit und Authentifizierung

  • Sind öffentliche Routen, API-Routen und Admin-Routen klar getrennt?
  • Werden Authentifizierung und Autorisierung serverseitig erzwungen?
  • Werden Geheimnisse aus Client-Bundles, Logs, Beispielausgaben und eingecheckten Dateien ferngehalten?
  • Sind Ratenbegrenzungen, CSRF-Schutz, CORS-Richtlinie und Upload-Validierung vorhanden, wo die App sie benötigt?
  • Verteidigt sich die KI- oder Agenten-Oberfläche gegen Prompt Injection, Tool-Missbrauch und nicht vertrauenswürdige Inhalte, die in privilegierte Aktionen gelangen?

Datenintegrität

  • Laufen Migrationen sauber durch und haben sie einen Rollback- oder Wiederherstellungsplan?
  • Werden destruktive Migrationen, Backfills und Datenimporte sicher durchgeführt?
  • Entsprechen Datenbankrichtlinien, Grants und Service-Rollen-Grenzen dem Mieter-Modell der App?
  • Sind Wiederholungsversuche für Schreibvorgänge, Jobs und Webhook-Handler idempotent?

Zahlungen und Webhooks

  • Werden Webhook-Signaturen überprüft, bevor vertrauenswürdige Payload-Felder geparst werden?
  • Ist jeder Zahlungs-, Abonnement- oder Erfüllungs-Webhook idempotent?
  • Werden Wiederholungen, doppelte Zustellungen und Zustellungen in falscher Reihenfolge behandelt?
  • Sind Testmodus- und Live-Modus-Anmeldeinformationen getrennt?

Betrieb

  • Kann die App aus einem sauberen Checkout unter Verwendung dokumentierter Befehle gestartet werden?
  • Sind erforderliche Umgebungsvariablen benannt, validiert und verhalten sie sich fehlerschnell?
  • Gibt es einen Health Check, der die Erreichbarkeit von Abhängigkeiten nachweist?
  • Sind Deployment-, Rollback- und Incident-Owner-Pfade dokumentiert?
  • Sind Logs nützlich, ohne Geheimnisse oder persönliche Daten preiszugeben?

Benutzererfahrung

  • Sind die launchkritischen Pfade auf Desktop und Mobilgeräten abgedeckt?
  • Sind Formulare auf Mobilgeräten ohne Input-Zoom, Layout-Überlappungen oder blockierte Absende-Zustände nutzbar?
  • Teilen Lade-, Leer-, Fehler- und Berechtigungsverweigerungs-Zustände dem Benutzer mit, was passiert ist?
  • Gibt es einen Support- oder Wiederherstellungspfad, wenn ein kritischer Vorgang fehlschlägt?

Bewertung

Verwenden Sie Bewertungen, um die Priorisierung zu erzwingen, nicht um mathematische Sicherheit vorzutäuschen.

BereichPunkteBedeutung
Blockiert0-49Nicht ausliefern, bis die größten Risiken behoben sind
Riskant50-69Nur hinter einem kleinen Rollout oder einer internen Beta ausliefern
Startklar mit Einschränkungen70-84Ausliefern, wenn die Eigentümer die aufgeführten Risiken akzeptieren
Stark85-100Keine offensichtlichen Launch-Blocker aus der verfügbaren Evidenz

Begrenzen Sie die Punktzahl auf 69, wenn eine der folgenden Bedingungen zutrifft:

  • Authentifizierung oder Autorisierung fehlt bei sensiblen Daten.
  • Zahlungs- oder Erfüllungs-Webhooks sind nicht idempotent.
  • Erforderliche Migrationen können nicht sicher ausgeführt werden.
  • Geheimnisse sind in Client-Bundles, Logs oder committeten Dateien offengelegt.
  • Es gibt keinen Rollback-Pfad für ein Release mit hohen Auswirkungen.

Begrenzen Sie die Punktzahl auf 84, wenn CI nicht grün ist oder der launchkritische Pfad nicht End-to-End getestet wurde.

Ausgabeformat

Beginnen Sie mit einem Satz:

Produktionsaudit: 76/100, startklar mit Einschränkungen, mit Webhook-Idempotenz und Rollback-Dokumentation als den beiden Risiken, die vor dem öffentlichen Launch behoben werden sollten.

Listen Sie dann auf:

  • Blocker: Muss behoben werden vor dem Deployment.
  • Hochwertige Korrekturen: Nächste Korrekturen, wenn der Benutzer die Punktzahl verbessern möchte.
  • Geprüfte Evidenz: Dateien, Befehle, CI, deployed URL oder PRs, die inspiziert wurden.
  • Fehlende Evidenz: Was das Vertrauen ändern würde, wenn es bereitgestellt würde.
  • Nächster Schritt: Ein konkreter Fix oder ein Verifizierungsschritt.

Halten Sie Stärken kurz. Der Benutzer fragte nach der Bereitschaft, also ist die nützliche Antwort das verbleibende Risiko und der nächste Schritt.

Beispiel

Benutzer:

Ist diese bereit zur Auslieferung?

Antwort:

Produktionsaudit: 68/100, riskant, weil Stripe-Webhooks verifiziert, aber nicht idempotent sind und es keinen Rollback-Hinweis für die ausstehende Migration gibt.

Blocker:
- Idempotenz für `checkout.session.completed` hinzufügen, bevor Bestellungen erfüllt werden.
- Rollback-Pfad für `20260511_add_billing_state.sql` schreiben und testen.

Hochwertige Korrekturen:
- Health Check hinzufügen, der die Erreichbarkeit von Datenbank und Zahlungsanbieter überprüft.
- Einen E2E-Pfad für Upgrade, Webhook-Erfüllung und Abrechnungsseiten-Aktualisierung hinzufügen.

Geprüfte Evidenz:
- `api/stripe/webhook.ts`
- `db/migrations/20260511_add_billing_state.sql`
- GitHub Actions Run für den Release-Branch

Nächster Schritt: Soll ich zuerst die Webhook-Idempotenz patchen?

Anti-Patterns

  • Ausführen von npx <package>@latest oder einem Remote-Scanner als Standard-Audit-Pfad.
  • Hochladen von Quellcode, Geheimnissen, Kundendaten oder privater Topologie zu einem externen Audit-Dienst ohne ausdrückliche Genehmigung.
  • Erstellen einer Punktzahl, ohne die geprüfte Evidenz zu nennen.
  • Grüne CI als Produktionsreife zu behandeln.
  • Mit einem allgemeinen "Lassen Sie mich wissen, was Sie tun möchten" enden.

Siehe auch

  • Skill: security-review
  • Skill: deployment-patterns
  • Skill: e2e-testing
  • Skill: tdd-workflow
  • Skill: verification-loop

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

accessibility

Design, implement, and audit inclusive digital products using WCAG 2.2 Level AA. Use when building or auditing UI that must meet WCAG 2.2 Level AA, or when reviewing a change for keyboard, contrast, or screen-reader support.

affaan-m/claude-api

Anthropic Claude API patterns for Python and TypeScript. Covers Messages API, streaming, tool use, vision, extended thinking, batches, prompt caching, and Claude Agent SDK. Use when building applications with the Claude API or Anthropic SDKs.

affaan-m/everything-claude-code

End-to-end marketing campaign planning and execution. Covers audience research, positioning, campaign angle definition, landing page copy, email sequences, social posts, ad copy, short-form video scripts, and content calendars. Use as the orchestration layer for multi-channel product launches. Use when planning or executing a multi-channel product launch, or producing landing page, email, social, or ad copy.

affaan-m/everything-claude-code

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/everything-claude-code-conventions

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/frontend-design

Create distinctive, production-grade frontend interfaces with high design quality. Use when the user asks to build web components, pages, or applications and the visual direction matters as much as the code quality.

affaan-m/gget

gget CLI and Python workflow for quick genomic database queries, sequence lookup, BLAST-style searches, enrichment checks, and reproducible bioinformatics evidence logs.

affaan-m/literature-review

Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.

affaan-m/motion-ui

Production-ready UI motion system for React/Next.js. Use when implementing animations, transitions, or motion patterns.

affaan-m/project-guidelines-example

Example project-specific skill template based on a real production application.

affaan-m/pubmed-database

Direct PubMed and NCBI E-utilities search workflows for biomedical literature, MeSH queries, PMID lookup, citation retrieval, and API-backed literature monitoring.

affaan-m/scholar-evaluation

Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.

affaan-m/uspto-database

USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.

agent-architecture-audit

Full-stack diagnostic for agent and LLM applications. Audits the 12-layer agent stack for wrapper regression, memory pollution, tool discipline failures, hidden repair loops, and rendering corruption. Produces severity-ranked findings with code-first fixes. Essential for developers building agent applications, autonomous loops, or any LLM-powered feature. Use when an agent or LLM feature misbehaves and the failing layer is unknown, or before shipping an agent stack.

agent-eval

Head-to-head comparison of coding agents (Claude Code, Aider, Codex, etc.) on custom tasks with pass rate, cost, time, and consistency metrics. Use when choosing between coding agents, or when a change to an agent setup needs measured pass rate, cost, and time rather than an impression.

agent-harness-construction

Design and optimize AI agent action spaces, tool definitions, and observation formatting for higher completion rates. Use when defining or revising an agent

agentic-engineering

Operate as an agentic engineer using eval-first execution, decomposition, and cost-aware model routing. Use when planning or executing engineering work that agents will carry out end to end.

agentic-os

Build persistent multi-agent operating systems on Claude Code. Covers kernel architecture, specialist agents, slash commands, file-based memory, scheduled automation, and state management without external databases. Use when building a persistent multi-agent system on Claude Code with its own memory, commands, and scheduling.

agent-introspection-debugging

Structured self-debugging workflow for AI agent failures using capture, diagnosis, contained recovery, and introspection reports. Use when an agent run fails and you need a reproducible diagnosis instead of a retry.

agent-payment-x402

Add x402 payment execution to AI agents with per-task budgets, spending controls, and non-custodial wallets. Supports Base through agentwallet-sdk and X Layer through OKX Payments / OKX Agent Payments Protocol. Use when an agent must pay for something itself and needs per-task budgets, spending controls, and a non-custodial wallet.

Verwandte Skills